MODELOS DE ECUACIONES ESTRUCTURALES (SEM) ESTRUCTURALES (SEM)
PAOLA ELIANA CHINCHILLA GARCÍA
ORIGEN: SEM. Wright (1921, 1934). “Path Diagram”
Boundon(1965) y Duncan (1966). Análisis de Dependencias o Rutas.
Jöreskog (1973,1977 y 1981) y Jöreskog y Sörbom (1982). En ellos, transformaron el “path analysis” de Wright en un nuevo método denominado “Structural Equation Modelling” (SEM), en el que se combina el análisis factorial con el path analysis.
QUÉ SON? o
o
Los modelos de ecuaciones estructurales son una familia de técnicas estadísticas multivariante que permite estimar el efecto y las relaciones entre múltiples variables.(Sewall Wright, 1921; Trygve Haavelmo, 1943; Herbet Simon, 1953 y, finalmente definido por Judea Pearle, 2000) Estos modelos no prueban la causalidad, pero ayudan al investigador en la toma de decisiones, rechazando las hipótesis causales cuando se contradicen con los datos, esto es, con la estructura de covarianzas o correlaciones subyacente entre las variables.
VENTAJAS: Menos restrictivos que los modelos de Regresión – Permiten incluir errores de medida (V. Endógena y Exógena) Permite proponer el tipo y dirección de las relaciones que se espera encontrar entre las diversas variables contenidas en él. Se basan en las correlaciones existentes entre las variables medidas en una muestra de sujetos de manera transversal. El desarrollo de convenciones que permiten su representación gráfica. Posibilidad de hipótetizar efectos causales entres las variables Permite la concatenación de efectos entre variables Permite relaciones recíprocas entre variables.
Predecir la magnitud de los síntomas psicosomáticos de
Convenciones Variables Observables
Variables Latentes
Relaciones bidireccionales
Efecto Estructural
CARACTERÍSTICAS
Se utilizan en estudios de tipo correlacional, solo se observa la magnitud de las variables y en los que nunca se manipulan las mismas. La evaluación de un SEM requiere una primera fase de especificación del modelo, seguida de las fases de identificación y de estimación. En SEM podemos tener tanto variables Observables como variables latentes. SEM:
ESTRUCTURA Un modelo de ecuaciones estructurales completo consta de dos partes: 1) Modelo de Medida: Está medido por sus indicadores observables (V. Predictoras – dependientes)
2) Modelo de Relaciones Estructurales:
Contiene efectos y relaciones entre los constructos(V. latentes).
SEM: PUEDE EVALUAR MODELOS:
Regresión Múltiple con multicolinealidad Análisis Factorial Confirmatorio Análisis Factorial de 2° orden Path Analysis Modelo Causal Completo con Variables Latentes Modelo de Curva latente Modelos Multinivel Modelos Multigrupo Modelos Basados en las Medias(ANOVA, ANCOVA, MANOVA y MANCOVA) Análisis de Medición
TIPO DE VARIABLES
Variable Observada o Indicador Variable Latente Variable error Variable de agrupación Variable exógena Variable endógena
PASOS PARA LA ELABORACIÓN DE UN MODELO 1. Formulación de la teoría que lo sustenta (formato gráfico: Ecuaciones y parámetros) 2. Parámetros identificados y ser derivable de matriz de varianzas – covarianzas. 3. 4.
Medición de las Variables observables Valoración de los ajustes (parámetros)
TIPO DE RELACIONES:
Covariación Vs Causalidad: Cuando al
observar una mayor cantidad de uno de los fenómeno también se observa una mayor cantidad de otro. Aptitud
Causalidad:
Rendimiento
No de fumadores
Cantidaddd e humo
Relación Espuria:
Comprende al menos tres variables Existencia de Covariación entre dos variables que es debida, total o parcialmente, a la relación común de ambas variables con una tercera. Inteligenci a
Edad Estatura
Relación Causal Directa e Indirecta
Indirecta:
Aptitud
Motivación
Directa e Indirecta: Motivación
Aptitud Rendimiento
Rendimiento
Relación Causal Recíproca La relación causal entre dos variables puede ser recíprocas o unidireccional. Ansieda : d
Rendimiento
Path analysis:
Path Analysis: literalmente traducido como
análisis de senderos, cuyo objeto es el estudio de los efectos de unas variables consideradas como causas sobre otras tomadas como efectos. El análisis path es una técnica similar a la regresión pero con poder explicativo, que estudia los efectos directos e indirectos en el conjunto de las variables observables
Aplicación de inferencia estadística
Tamaño muestral TAMAÑO MÍNIMO
CONDICIONES
100
Modelos de cinco o menos variables latentes. Cada variable latente con más de tres indicadores y con comunalidades entre los ítems elevadas (0.6 o mayor) Modelos con siete o menos variables latentes. Las comunalidades modestas (0.5) y con tres o más indicadores por variable latente.
150
300
500
Modelos con un máximo de siete variables latentes, comunalidades bajas (por debajo de 0.45) y/o con varias variables latentes medidas con menos de tres ítems Modelos con un elevado número de variables latentes, algunas con comunalidades bajas y/o con
Software para análisis SEM
AMOS: http://www.spss.com/ amos/ EQS: http:/ / www.mvsoft.com/ LISREL: http:/ / www.ssicentral.com/ Mplus: http:/ / www.statmodel.com/ Mx: http:/ / www.vcu.edu/ mx/ PROC CALIS (disponible en SAS,
http://support.sas.com/) RAMONA (disponible en SYSTAT, http:/ / www.systat.com/) SEPATH (disponible en Statistica, http://www.statsoft.com) R – PAQUETES LAVAAN (http://cran.rproject.org/web/packages/lavaan/), y SEMPLS (http://cran.rproject.org/web/packages/semPLS/)
